Sei grandi "trader" AI in una sfida di dieci giorni: chi riuscirà a sopravvivere in un mercato senza "asimmetria informativa"?

Titolo originale: "Sei grandi 'trader' AI in dieci giorni di sfida: una lezione pubblica su trend, disciplina e avidità"

Autore originale: Frank, PANews

Meno di dieci giorni, capitale raddoppiato.

Quando DeepSeek e Qwen3 hanno ottenuto questi risultati nella sessione di trading reale AlphaZero AI lanciata da Nof1, la loro efficienza di profitto ha già superato di gran lunga la maggior parte dei trader umani. Questo ci costringe ad affrontare una questione: l’AI sta passando da "strumento di ricerca" a "operatore di prima linea". Come pensano? PANews ha effettuato una revisione completa delle operazioni di trading degli ultimi 10 giorni dei sei principali modelli AI in questa competizione, cercando di svelare i segreti decisionali dei trader AI.

Una pura sfida tecnica senza "asimmetria informativa"

Prima dell’analisi, dobbiamo chiarire un presupposto: le decisioni AI in questa competizione sono prese in modalità "offline". Tutti i modelli ricevono passivamente esattamente gli stessi dati tecnici (inclusi prezzo attuale, medie mobili, MACD, RSI, contratti aperti, tasso di finanziamento e dati sequenziali su 4 ore e 3 minuti, ecc.), senza poter accedere attivamente a informazioni fondamentali tramite internet.

Questo elimina le interferenze dovute all’"asimmetria informativa" e rende questa competizione la prova definitiva della vecchia questione: "l’analisi tecnica pura può essere redditizia?".

Nel dettaglio, le informazioni a disposizione dell’AI includono i seguenti aspetti:

1. Stato attuale del mercato della criptovaluta: include informazioni sul prezzo attuale, prezzo della media mobile a 20 giorni, dati MACD, dati RSI, dati sui contratti aperti, tasso di finanziamento e sequenze intraday di alcuni dei dati sopra (ciclo di 3 minuti), sequenze di trend a lungo termine (ciclo di 4 ore), ecc.

2. Informazioni e performance dell’account: include la performance complessiva dell’account attuale, tasso di rendimento, fondi disponibili, indice di Sharpe, ecc. Performance in tempo reale delle posizioni attuali, condizioni di take profit e stop loss e condizioni di invalidità.

DeepSeek: il maestro del trend e il valore della "revisione"

Al 27 ottobre, l’account DeepSeek ha raggiunto un massimo di 23.063 dollari, con un profitto massimo di circa il 130%. Indubbiamente il modello con le migliori performance, e dall’analisi del suo comportamento di trading si scopre che questi risultati non sono casuali.

Innanzitutto, in termini di frequenza di trading, DeepSeek mostra uno stile da trend trader a bassa frequenza: in 9 giorni ha effettuato solo 17 operazioni, il numero più basso tra tutti i modelli. In queste 17 operazioni, DeepSeek ha scelto 16 volte il long e solo una volta lo short, in linea con il trend generale di rimbalzo del mercato in questo periodo.

Ovviamente, questa scelta direzionale non è casuale: DeepSeek utilizza indicatori come RSI e MACD per un’analisi complessiva, ritenendo che il mercato sia in una fase rialzista, e quindi sceglie con decisione il long.

Nel processo di trading, i primi ordini di DeepSeek non sono stati fortunati: i primi 5 sono stati chiusi in perdita, ma ogni perdita è stata contenuta, mai superiore al 3,5%. Inoltre, la durata delle prime posizioni era breve, la più corta solo 8 minuti. Con lo sviluppo del mercato nella direzione prevista, le posizioni di DeepSeek hanno iniziato a durare più a lungo.

Dallo stile di gestione delle posizioni, DeepSeek tende a impostare un ampio take profit e uno stop loss stretto dopo l’ingresso. Prendendo come esempio la posizione del 27 ottobre, il take profit medio era dell’11,39%, lo stop loss medio del -3,52%, con un rapporto rischio/rendimento di circa 3,55. Quindi la strategia di DeepSeek punta a piccole perdite e grandi guadagni.

I risultati lo confermano: secondo l’analisi di PANews, nelle operazioni già chiuse, il rapporto rischio/rendimento medio di DeepSeek è stato di 6,71, il più alto tra tutti i modelli. Sebbene il tasso di successo sia del 41% (secondo posto), l’aspettativa di profitto è di 2,76, la più alta. Questo è il motivo principale del suo successo.

Inoltre, la durata media delle posizioni di DeepSeek è di 2.952 minuti (circa 49 ore), ancora una volta al primo posto. Tra i vari modelli, è il vero trend trader, in linea con il principio finanziario "lascia volare i profitti".

Per quanto riguarda la gestione delle posizioni, DeepSeek è relativamente aggressivo: la leva media per singola posizione è di 2,23 e spesso detiene più posizioni contemporaneamente, portando la leva totale a livelli ancora più alti. Ad esempio, il 27 ottobre la leva totale superava 3x. Tuttavia, grazie a condizioni di stop loss rigorose, il rischio rimane sempre sotto controllo.

In sintesi, il successo di DeepSeek è il risultato di una strategia integrata. Per l’apertura delle posizioni, utilizza solo i più comuni MACD e RSI come base decisionale, senza indicatori particolari. Si limita a eseguire rigorosamente un rapporto rischio/rendimento ragionevole e a mantenere le posizioni senza farsi influenzare dalle emozioni.

Inoltre, PANews ha notato un dettaglio particolare: nel processo di pensiero, DeepSeek mantiene la sua caratteristica di formare un ragionamento lungo e dettagliato, per poi sintetizzare tutto in una decisione di trading. Questo ricorda i trader umani che danno importanza alla revisione, e questa revisione avviene ogni tre minuti.

Anche applicata ai modelli AI, questa capacità di revisione ha un certo valore: garantisce che ogni dettaglio di token e segnali di mercato venga analizzato ripetutamente e non trascurato. Forse è proprio questo l’aspetto più degno di essere appreso dai trader umani.

Qwen3: il "giocatore d’azzardo" aggressivo

Al 27 ottobre, Qwen3 è il secondo miglior modello. Il saldo massimo dell’account ha raggiunto i 20.000 dollari, con un profitto del 100%, secondo solo a DeepSeek. Qwen3 si distingue per leva elevata e alto tasso di successo: il tasso di successo totale è del 43,4%, il più alto tra tutti i modelli. Anche la dimensione media delle posizioni è di 56.100 dollari (leva 5,6x), ancora la più alta. Sebbene l’aspettativa di profitto non sia pari a DeepSeek, lo stile audace lo mantiene vicino a DeepSeek nei risultati.

Lo stile di trading di Qwen3 è relativamente aggressivo: lo stop loss medio è di 491 dollari, il più alto tra tutti i modelli. La perdita massima per singola operazione è di 2.232 dollari, ancora la più alta. Questo significa che Qwen3 può tollerare perdite maggiori, il cosiddetto "resistere alle perdite". Tuttavia, a differenza di DeepSeek, anche sopportando perdite maggiori non ottiene ritorni più alti. Il profitto medio di Qwen3 è di 1.547 dollari, inferiore a DeepSeek. Di conseguenza, l’aspettativa di profitto finale è solo 1,36, la metà di DeepSeek.

Un’altra caratteristica di Qwen3 è la preferenza per detenere una sola posizione alla volta e puntare tutto su quella. La leva utilizzata arriva spesso a 25x (il massimo consentito dalla competizione). Questo stile richiede un alto tasso di successo, perché ogni perdita comporta un drawdown significativo.

Nel processo decisionale, Qwen3 sembra prestare particolare attenzione alla media mobile EMA 20 su 4 ore, usandola come segnale di ingresso e uscita. Anche il ragionamento di Qwen3 appare molto semplice. In termini di durata delle posizioni, Qwen3 mostra poca pazienza: la durata media è di 10,5 ore, superiore solo a Gemini.

In sintesi, sebbene i risultati attuali di Qwen3 sembrino buoni, ci sono rischi latenti: leva troppo alta, stile "all-in", indicatori di giudizio unici, durata breve delle posizioni e basso rapporto rischio/rendimento possono tutti rappresentare problemi per il futuro. Al momento della pubblicazione (28 ottobre), il capitale di Qwen3 era già sceso a 16.600 dollari, con un drawdown massimo del 26,8% dal picco.

Claude: esecutore long ostinato

Claude, sebbene complessivamente in profitto, al 27 ottobre aveva un saldo di circa 12.500 dollari, con un profitto del 25%. Questo dato, preso singolarmente, è ancora notevole, ma rispetto a DeepSeek e Qwen3 appare meno brillante.

In realtà, per frequenza di apertura, dimensione delle posizioni e tasso di successo, Claude è molto vicino a DeepSeek: 21 operazioni totali, tasso di successo del 38%, leva media 2,32.

La differenza principale sta nel rapporto rischio/rendimento, che, sebbene buono (2,1), è più di tre volte inferiore a quello di DeepSeek. Di conseguenza, l’aspettativa di profitto è solo 0,8 (quando è inferiore a 1, a lungo termine si rimane in perdita).

Inoltre, Claude ha una caratteristica evidente: per un certo periodo opera solo in una direzione. Al 27 ottobre, tutte le 21 operazioni concluse erano long.

Grok: perso nel vortice delle decisioni direzionali

Grok ha avuto buone performance iniziali, diventando addirittura il modello più redditizio con un profitto massimo superiore al 50%. Tuttavia, con il passare del tempo, il drawdown è stato significativo. Al 27 ottobre, il capitale era tornato a circa 10.000 dollari. Tra tutti i modelli, è quarto, con un rendimento simile a quello di detenere BTC spot.

Per abitudini di trading, Grok è anch’esso un trader a bassa frequenza e con posizioni di lungo periodo. Solo 20 operazioni concluse, durata media delle posizioni 30,47 ore, seconda solo a DeepSeek. Tuttavia, il problema principale di Grok è il basso tasso di successo, solo il 20%, e un rapporto rischio/rendimento di 1,85. L’aspettativa di profitto è solo 0,3. Per quanto riguarda la direzione, Grok ha aperto 10 long e 10 short. In questa fase di mercato, troppi short riducono chiaramente il tasso di successo. Da questo punto di vista, il modello Grok ha problemi nel giudicare il trend di mercato.

Gemini: "retail trader" ad alta frequenza, logorato fino alla "morte"

Gemini è il modello con la frequenza di trading più alta: al 27 ottobre aveva completato 165 operazioni. L’eccessiva frequenza ha portato a performance molto scarse: il saldo minimo è sceso a circa 3.800 dollari, con una perdita del 62%. Solo di commissioni sono stati spesi 1.095,78 dollari.

L’alta frequenza si traduce in un tasso di successo molto basso (25%) e un rapporto rischio/rendimento di solo 1,18, con un’aspettativa di profitto di 0,3. Con questi dati, il trading di Gemini è destinato a essere in perdita. Forse per mancanza di fiducia nelle proprie decisioni, la dimensione media delle posizioni è molto piccola, con leva solo 0,77 e durata media di 7,5 ore.

Lo stop loss medio è di soli 81 dollari, il take profit medio di 96 dollari. Gemini si comporta come un tipico retail trader: prende piccoli profitti e taglia rapidamente le perdite. In un mercato volatile, apre continuamente nuove posizioni, logorando il capitale.

GPT5: "doppio colpo" di basso tasso di successo e basso rapporto rischio/rendimento

GPT5 è attualmente il modello con le peggiori performance, con risultati e curva simili a Gemini, entrambi con perdite superiori al 60%. Sebbene GPT5 non sia così ad alta frequenza come Gemini, ha comunque effettuato 63 operazioni. Il rapporto rischio/rendimento è solo 0,96, cioè ogni profitto medio è di 0,96 dollari, mentre lo stop loss è di 1 dollaro. Inoltre, il tasso di successo è solo del 20%, simile a Grok.

Per dimensione delle posizioni, GPT5 e Gemini sono molto simili, con leva media di circa 0,76. Sembrano molto cauti.

I casi di GPT5 e Gemini dimostrano che un basso rischio di posizione non garantisce necessariamente profitti. Con trading ad alta frequenza, tasso di successo e rapporto rischio/rendimento non possono essere garantiti. Inoltre, i prezzi di ingresso delle posizioni long su questi due modelli sono chiaramente più alti rispetto ai modelli profittevoli come DeepSeek, segno che i loro segnali di ingresso sono lenti.

Osservazioni e conclusioni: le due "nature umane" del trading viste dall’AI

In generale, l’analisi del comportamento di trading dell’AI ci offre ancora una volta l’opportunità di riflettere sulle strategie di trading. In particolare, l’analisi dei modelli con risultati estremi, come DeepSeek (alto profitto) e Gemini/GPT5 (grandi perdite), è la più significativa.

1. I modelli ad alto profitto hanno queste caratteristiche: bassa frequenza, posizioni di lunga durata, alto rapporto rischio/rendimento, tempismo di ingresso tempestivo.

2. I modelli in perdita hanno queste caratteristiche: alta frequenza, posizioni di breve durata, basso rapporto rischio/rendimento, tempismo di ingresso tardivo.

3. Il livello di profitto non è direttamente correlato alla quantità di informazioni di mercato: in questa competizione, tutti i modelli AI hanno ricevuto le stesse informazioni, più omogenee rispetto ai trader umani. Eppure, hanno comunque ottenuto risultati molto migliori della maggior parte dei trader umani.

4. La lunghezza del processo decisionale sembra essere la chiave della rigorosità del trading. Il processo decisionale di DeepSeek è il più lungo tra tutti i modelli, simile ai trader umani che sono bravi a rivedere e prendere sul serio ogni decisione. I modelli con performance peggiori hanno processi decisionali molto brevi, simili alle decisioni impulsive degli umani.

5. Con la popolarità dei profitti di DeepSeek, Qwen3 e altri modelli, molti si chiedono se sia possibile copiare direttamente le operazioni di questi AI. Ma questa pratica sembra sconsigliabile: anche se alcuni AI sono attualmente redditizi, c’è una componente di fortuna, ovvero hanno seguito il trend principale del mercato in questo periodo. Se il mercato cambia, non è detto che il vantaggio si mantenga. Tuttavia, la capacità esecutiva dell’AI nel trading è comunque degna di studio.

Infine, chi vincerà? PANews ha inviato questi dati a diversi modelli AI, che hanno scelto all’unanimità DeepSeek, perché la sua aspettativa di profitto è la più logica dal punto di vista matematico e le sue abitudini di trading sono le migliori.

Curiosamente, come seconda scelta, quasi tutti hanno scelto se stessi.